由于能够反映人体的健康状况，各种生理信号被广泛地应用于疾病的诊断与预防。然而，受到检测时间和场合的限制，短期检测具有很大的不确定性。因此，长时间实时的生理信号监测显得尤为重要。

长期以来，受硬质基底、非应变、低生物相容性等限制，传统的刚性传感器并不适用于大应变、粗糙表面的场景。其刚性形态使其不仅极大地影响佩戴体验，而且无法与皮肤紧密贴合，导致实际测量中信号会引入不少伪影、噪音甚至淹没原始生理信号。而软体电子的出现能够解决这一问题，基于软体电子与皮肤相近的杨氏模量以及超薄可拉伸等特性，其与皮肤之间可以形成良好的界面，从而获得高质量生理信号。同时，高的人体相容性使得信号监测过程不会影响人们的日常生活，从而提高佩戴舒适度与用户体验，进而拓展了信号数据库的规模。大规模高质量的数据库对于提高机器学习算法的表现至关重要。另一方面，机器学习算法能够赋予软体电子器件“思考”的能力，使之不仅可以监测信号，而且可以诊断信号。因此软体电子与机器学习是相辅相成的关系。过去二十年间，各种新型材料的发现与应用为软体电子提供了高速发展的基础。软体电子的发展为各种数据集的建立、扩展、完善提供可靠的来源。同时，由于机器学习算法以及GPU硬件的快速发展，使机器学习在计算机视觉以及自然语言处理等领域爆发式增长。因此软体电子与机器学习的结合也就顺理成章，近几年来，科研工作者已经在这个交叉学科领域进行了广泛的研究。